



- Công bố khoa học và công nghệ Việt Nam
68
Cây rau, cây hoa và cây ăn quả
BB
Nguyễn Huy Trung, Lê Thị Kiều Oanh, Bùi Thị Hảo, Nguyễn Duy Hải(1), Nguyễn Quang Thi, Vũ Thị Hòa, Dương Minh Ngọc, Hoàng Hữu Chiến
Đánh giá tình trạng dinh dưỡng cây ăn quả sử dụng thiết bị bay không người lái và phương pháp học máy
Assessment of fruit tree nutritional conditions using unmanned aerial vehicle and machine learning
Khoa học và Công nghệ Lâm nghiệp
2023
6
18-26
1859-3828
Thiết bị bay không người lái (Unmanned Aerial Vehicle – UAV) với bộ cảm biến đa phổ ngày càng được sử dụng rộng rãi trong theo dõi và đánh giá sức khỏe cây trồng, phục vụ phát triển nông nghiệp chính xác. Nghiên cứu này sử dụng dữ liệu ảnh đa phổ thu thập từ thiết bị bay Phantom 4 Multispectral kết hợp phương pháp học máy để phân loại tình trạng dinh dưỡng của cây bưởi thành 3 nhóm: tốt, trung bình và kém. Kết quả nghiên cứu cho thấy các nhóm trình trạng dinh dưỡng có đặc trưng phản xạ phổ điển hình và có thể phân biệt được trong các vùng sóng ảnh sáng nhìn thấy (450 - 650 nm) và sóng cận hồng ngoại (840 nm). Các chỉ số thực vật trích xuất từ dữ liệu ảnh đa phổ có mối liên hệ chặt chẽ với các nhóm tình trạng dinh dưỡng cây trồng (giá trị p < 0,05). Mô hình Random Forest được sử dụng để phân loại các nhóm tình trạng dinh dưỡng cho độ chính xác tổng thể 90% và hệ số phân loại Kappa đạt 0,85. Đa số cây bưởi trong khu vực nghiên cứu có tình trạng dinh dưỡng tốt (244 cây). Số cây có tình trạng dinh dưỡng trung bình và kém lần lượt là 77 cây và 32 cây. Phương pháp và kết quả trình bày trong bài báo này bổ sung cơ sở khoa học cho việc ứng dụng công nghệ UAV trong theo dõi và đánh giá cây ăn quả nói riêng và trong nông nghiệp nói chung ở Việt Nam.
Unmanned Aerial Vehicles (UAV) with multispectral sensors have been increasingly used for monitoring and assessing fruit tree health, facilitating the development of precision agriculture. This study used multispectral imagery collected by a Phantom 4 Multispectral UAV in combination with a machine learning method to classify the nutritional conditions of pomelo fruit trees into three groups: good, moderate and poor. The results indicated that the three nutritional groups had typical spectral reflectance properties and were distinguishable from each other in the visible wavelengths (450 - 650 nm) and near infrared wavelength (840 nm). Spectral vegetation indices computed from UAV multispectral bands had strong relationships with tree nutritional conditions (p < 0.05). A Random Forest model developed to classify nutritional conditions achieved an overall accuracy of 90% and a Kappa coefficient of 0.85. Overall, the majority of pomelo fruit trees in the study area had good nutritional status (244 trees). The numbers of trees with moderate and poor nutritional conditions were 77 and 32 trees, respectively. Methods and results presented in this paper supplement the scientific basis and facilitate the application of UAV technology in orchard monitoring and management in Vietnam.
TTKHCNQG, CVv 421